As seguradoras principais estão tendo um momento generativo de AI

Pedimos Christopher freese , o diretor administrativo e o parceiro sênior da BCG's Insurance practice, to reflect on the potential of generative artificial intelligence to transform the insurance industry.

BCG: AI generativa se tornou um assunto polarizador. Alguns chamam isso de moda, outros vêem isso como uma revolução. Para o setor de seguros, o surgimento de Genai é diferente da IA ​​tradicional? O Genai não é apenas uma melhoria nos modelos tradicionais de aprendizado de máquina usados ​​para processamento de linguagem natural ou visão computacional, por exemplo. Ele democratiza o acesso à IA, simplificando a interface tão profundamente que qualquer um, independentemente da experiência em programação, pode alavancar o poder da IA. Nesse sentido, é uma reminiscência da introdução do iPhone e sua App Store, que abriu caminho para um novo ecossistema de aplicativos e serviços.
Christopher Freese: The insurance industry, along with many other sectors, is currently experiencing a sea change. GenAI is not just an improvement on traditional machine-learning models used for natural language processing or computer vision, for example. It democratizes access to AI, simplifying the interface so profoundly that anyone, regardless of programming expertise, can leverage AI’s power. In that sense, it’s reminiscent of the introduction of the iPhone and its app store, which paved the way for a whole new ecosystem of applications and services.

Isso marca uma diferença fundamental do advento da IA ​​tradicional. Enquanto praticamente todas as companhias de seguros estão usando AI Hoje, seu impacto ficou aquém da mudança transformadora que muitos esperavam. A IA tradicional foi restrita em grande parte a uma abordagem baseada em casos de uso, otimizando nichos de modelos operacionais existentes, em vez de transformá -los fundamentalmente. Eles olham além de casos de uso individual, concentram -se nas grandes vitórias e implantam a Genai para redesenhar seu modelo operacional de ponta a ponta. Ao abraçar essa abordagem transformadora, esses líderes estão rapidamente se inclinando à frente de seus concorrentes. O primeiro é se concentrar em alguns aplicativos que mudam o jogo e escalá-los em toda a cadeia de valor. Para grandes partes da empresa, esses aplicativos da Genai têm um impacto substancial no dia-a-dia

But leading insurers recognize the potential of GenAI as a catalyst for transformation. They look beyond individual use cases, focus on the big wins, and deploy GenAI to redesign their operating model end to end. By embracing this transformative approach, these leaders are rapidly pulling ahead of their competitors.

What approaches are leading insurers taking to transform their businesses through GenAI?
We see leaders adopting two very different approaches. The first is to focus on a few game-changing applications and scale them across the value chain. For large parts of the company, these GenAI applications have a substantial impact on day-to-day Operações . Dois primeiros exemplos são assistentes de conhecimento e assistentes de codificação. Os assistentes de conhecimento reduzem drasticamente o tempo necessário para pesquisar o conhecimento documentado. Usando uma interface chatbot, eles fornecem aos agentes informações de documentos de política, sites wiki e manuais de processo. Eles podem apresentar respostas nos termos do leigo, prontos para serem compartilhados diretamente com os clientes. Este aplicativo é altamente escalável, mostrando -se útil nas reivindicações e equipes de atendimento ao cliente, bem como nas linhas de negócios. Da mesma forma, um assistente de codificação acelera o desenvolvimento de software, oferecendo recursos de preenchimento automático, tradução de código e depuração. Ele tem o potencial de remover gargalos nas capacidades de TI em toda a cadeia de valor e ajudar a lidar com as dificuldades de lidar com o código herdado e as linguagens de programação de mainframe. À medida que a tecnologia evolui, aplicativos mais sofisticados aproveitarão ainda mais o aprendizado de máquina convencional para uma funcionalidade aprimorada. As seguradoras adotando essa abordagem repensam o inteiro

These applications are early-stage examples, providing simple yet significant capabilities. As the technology evolves, more sophisticated applications will further leverage conventional machine learning for enhanced functionality.

The second approach is to focus on transforming individual verticals end to end. Insurers adopting this approach rethink the entire Jornada do cliente e processos internos dentro de uma vertical, aproveitando ao máximo as novas possibilidades oferecidas por Genai. Um excelente exemplo é a automação de ponta a ponta do processo de reivindicações no seguro automóvel. Cada etapa da jornada é revisada, desde o primeiro aviso de perda até a liquidação. Usando uma imagem carregada, o Genai pode gerar automaticamente uma oferta de liquidação instantânea, contando com um arquivo de milhões de fotos de danos ao veículo e relatórios de incidentes. Pelo menos inicialmente, um humano permanece no circuito para verificar o trabalho da IA, mas o processo é radicalmente simplificado. Isso aprimora significativamente as experiências de muitos clientes, eliminando a necessidade de suportar processos longos com os avaliadores. Para as companhias de seguros, é uma oportunidade substancial para reduzir o custo. As maiores economias, variando de 40% a 60%, devem vir de ganhos de produtividade no atendimento ao cliente. Pense no exemplo do Assistente de Conhecimento de Genai: Estimamos que até 35% do tempo dos agentes de atendimento ao cliente é gasto recuperando informações em políticas, termos e outros documentos. Em tais tarefas, a Genai pode mais que a produtividade dos agentes duplos. Os agentes podem consultar esses documentos diretamente - por exemplo, para verificar as condições de cobertura de uma política específica - e obter respostas em segundos.

By embracing the transformation, what’s the bottom-line impact an insurer stands to gain?
GenAI applications will create a significant impact across the value chain, yielding substantial efficiency gains and cost savings. The biggest savings, ranging from 40% to 60%, are expected to come from productivity gains in customer service. Think back to the example of the GenAI-powered knowledge assistant: we estimate that up to 35% of customer service agents’ time is spent retrieving information in policies, terms, and other documents. In such tasks, GenAI can more than double agents’ productivity. Agents can query these documents directly—for instance, to check a specific policy’s coverage conditions—and get answers in seconds.

Além dos ganhos de produtividade, há um potencial significativo para economizar custos no gerenciamento de reivindicações durante o processo de liquidação de reivindicações. Embora ganhos consideráveis ​​de eficiência de 20% a 30% possam ser alcançados através da documentação simplificada, esses efeitos serão diminuídos pela economia gerada pela redução dos gastos relacionados ao avaliador usando avaliações de reivindicações automatizadas de ponta a ponta.

O impacto de Genai nas seguradoras é impulsionado principalmente por reduções de custo? A democratização da IA ​​permite que os funcionários mudem seu foco para as atividades de maior valor agregado. Uma área de impacto significativa é as vendas e a distribuição, onde tarefas administrativas podem ser reduzidas para liberar mais tempo de vendas. A Genai empresta nova força aos mecanismos de “Próxima Ação” com base no aprendizado de máquina tradicional, por exemplo, e pode permitir políticas hiperpersonalizadas, mesmo para clientes de varejo. Ferramentas como os analisadores de sentimentos da Genai têm o potencial de aprimorar bastante o atendimento ao cliente, capacitando os agentes a aplicar consistentemente as melhores práticas de atendimento empático ao cliente. Isso, por sua vez, aumenta a satisfação do cliente, que eventualmente leva ao aumento das oportunidades de retenção e venda cruzada. Saiba mais sobre Genai
Savings are a big driver, but its impact extends far beyond, offering opportunities for top-line growth as well. The democratization of AI enables employees to shift their focus to the most value-adding activities. One significant area of impact is sales and distribution, where administrative tasks can be reduced to free up more sales time.

Apart from assisting employees, GenAI applications provide fresh opportunities to boost sales and cross-selling. GenAI lends new strength to “next best action” engines based on traditional machine learning, for instance, and could enable hyper-personalized policies, even for retail clients.

In addition, GenAI offers new ways of improving the experience for customers, distribution partners, and employees. Tools such as GenAI-powered sentiment analyzers have the potential to greatly enhance customer service by empowering agents to consistently apply best practices of empathetic customer care. This, in turn, boosts customer satisfaction, which eventually leads to increased retention and cross-selling opportunities.

Como as seguradoras criam aplicativos poderosos que desbloqueiam a jornada de transformação que você descreve? O conjunto consiste em quatro funções principais: pesquisa, resumo, conteúdo e código. Embora a função de pesquisa consulte termos e condições específicos das apólices de seguro entre fontes, a função de resumo condensa essas informações em linguagem mais concisa ou mais simples. A função de conteúdo varia da geração de respostas a consultas de clientes, a relatórios de reivindicações e explicações políticas. O quarto bloco de construção, a função de código, envolve atividades como a tradução da linguagem natural para as consultas SQL ou a documentação do código na linguagem natural. Primeiro, ele recupera informações relevantes de várias fontes, antes de sintetizar as informações em termos simples, prontos para compartilhar com os clientes. O Assistente de Conhecimento fornece uma experiência fácil de usar, fornecendo informações valiosas e esclarecendo informações complexas.
Fundamentally, it helps to think of GenAI as a set of building blocks that can be connected and assembled in different ways to deliver new applications. The set consists of four key functions: search, summary, content, and code. While the search function looks up specific terms and conditions of insurance policies across sources, the summary function condenses this information into more concise or simpler language. The content function ranges from the generation of responses to customer inquiries, to claims reports and policy explanations. The fourth building block, the code function, involves activities such as the translation of natural language to SQL queries, or the documentation of code in natural language.

As a simple example of how these building blocks complement one another, you can think of the knowledge assistant as a combination of the search and summary functions. First, it retrieves relevant information from various sources, before synthesizing the information into simple terms ready to share with customers. The knowledge assistant provides a user-friendly experience, delivering valuable insights and clarifying complex information.

Qual é o seu conselho aos líderes de seguros que embarcam nessa jornada de transformação? Para ir além dos casos de uso isolados, eles lançaram uma transformação com base em um modelo operacional multicamada. O novo modelo articula uma estratégia clara, permitindo que eles concentrem recursos. É à prova de futuro a organização e a cultura, planejando proativamente a mudança de habilidades e talentos necessários para administrar uma organização com poder de genai. Ele constrói as parcerias e a arquitetura de tecnologia para desenvolver e escalar aplicativos genai que geram impacto verdadeiro, bem como uma política subjacente que molda a Genai para fortalecer os valores corporativos. Isso permitirá que eles se afastarão de aplicativos desarticulados e pouco conectados, os guiarão sobre onde focar os principais recursos e colocar suas organizações em uma trajetória que os deixará fundamentalmente transformados. Inscreva -se
Leading insurers are already seizing the moment by deploying big-win GenAI applications that scale well. To go beyond isolated use cases, they’ve launched a transformation based on a multilayered operating model. The new model articulates a clear strategy, enabling them to focus resources. It future-proofs the organization and culture, planning proactively for the shift in skills and talent required to run a GenAI-empowered organization. It builds the partnerships and tech architecture to develop and scale GenAI applications that generate true impact, as well as an underlying policy that shapes GenAI to strengthen corporate values.

Setting up a cohesive approach covering all these dimensions will be key for insurance leaders to unlock the full power of GenAI. It will enable them to steer clear of disjointed and loosely connected applications, guide them on where to focus key resources, and set their organizations on a trajectory that will leave them fundamentally transformed.